彭春華， 姜植元， 吳 婧

（中南大學(xué) 信息科學(xué)與工程學(xué)院，湖南 長(zhǎng)沙 410075）

隨著高速鐵路的迅猛發(fā)展，在飛速運(yùn)行的列車上提供可靠、穩(wěn)定的語(yǔ)音、數(shù)據(jù)通信已成為人們?nèi)找嫫惹械男枰?。目前高速列車上的公眾通信質(zhì)量并不樂(lè)觀，提高通信服務(wù)質(zhì)量是1個(gè)系統(tǒng)工程，有很多方面的問(wèn)題亟待解決，信道估計(jì)就是其中之一。信道估計(jì)技術(shù)在某種程度上制約著移動(dòng)通信系統(tǒng)性能的發(fā)揮，及時(shí)更新信道狀態(tài)信息CSI（Channel State Information）對(duì)于擴(kuò)大信道容量、降低系統(tǒng)誤碼率等具有重要意義。高速鐵路中復(fù)雜多變的環(huán)境給通信技術(shù)帶來(lái)了巨大考驗(yàn)，為此，研究適合高速移動(dòng)環(huán)境下的信道估計(jì)技術(shù)是非常必要的。

Heath R.W［1］、朱文升［2］等提出了雙 K 和單 K類的盲信道估計(jì)算法，其基本思想是：在不改變循環(huán)譜函數(shù)中頻率變量的情況下，分析延遲變量z變換中的2個(gè)相關(guān)值而形成的算法，雖然估計(jì)精度較高，但是無(wú)論是單K還是雙K算法，都需要構(gòu)造多個(gè)Toeplitz矩陣，存在運(yùn)算量大的缺點(diǎn)。李永會(huì)［3］等提出了一種適用于高速率和高速移動(dòng)環(huán)境下的信道估計(jì)方法，通過(guò)利用經(jīng)歷相同衰落的兩個(gè)獨(dú)立信道聯(lián)合估計(jì)出信道的沖激響應(yīng)值，算法的優(yōu)點(diǎn)是不需要利用導(dǎo)頻符號(hào)，可以應(yīng)用于高維的調(diào)制方式，但在高速移動(dòng)的環(huán)境下，碼字之間的正交性將遭到破壞，其應(yīng)用也將受到限制。Myung［4］等使用Kalman濾波器實(shí)現(xiàn)半盲信道估計(jì)算法，然而這種算法是在假定信道變化較慢或是不變的條件下，因此這類算法不適用于快衰落信道。

文獻(xiàn)［5］建立了信道估計(jì)凸優(yōu)化模型，文獻(xiàn)［6］系統(tǒng)而全面地總結(jié)了循環(huán)前綴的完整性對(duì)信道估計(jì)及接收端均衡恢復(fù)的影響。但此二者主要是基于時(shí)域上的研究。文獻(xiàn)［7］給出了1個(gè)在LS估計(jì)框架下導(dǎo)頻序列數(shù)量的選擇對(duì)信道估計(jì)性能影響的方法，但在時(shí)域上的估計(jì)性能涉及很少。趙旺興［8］等提出了在OFDM中循環(huán)前綴頻域序列用于最小二乘信道估計(jì)的方法，充分利用循環(huán)前綴的時(shí)域和頻域特征，但在高速移動(dòng)環(huán)境下的性能還待進(jìn)一步研究。

在高速移動(dòng)環(huán)境下，傳輸信道由于時(shí)間選擇性和頻率選擇性，使得信道狀態(tài)在時(shí)域和頻域上同時(shí)變化，如果不能在時(shí)域和頻域上對(duì)信道進(jìn)行實(shí)時(shí)跟蹤與估計(jì)，會(huì)帶來(lái)較大的估計(jì)誤差，嚴(yán)重惡化系統(tǒng)的性能。為了實(shí)現(xiàn)高速移動(dòng)鐵路環(huán)境下信道的實(shí)時(shí)估計(jì)，本文結(jié)合Kalman濾波器提出了1種時(shí)頻結(jié)合的WiFi信道估計(jì)方法。

1 改進(jìn)的信道模型

1.1 信道特征分析

在移動(dòng)通信的研究中，為了分析信道估計(jì)算法的性能，系統(tǒng)信道模型的搭建是不可或缺的一步。為了建立適用于高速鐵路環(huán)境下的信道模型，首先要了解高速鐵路環(huán)境下信道的特征。在高速鐵路環(huán)境下，其傳輸信道除了具備基本移動(dòng)信道的特征之外，還具備一些獨(dú)有的特點(diǎn)，主要有：

（1）高衰耗

高速移動(dòng)列車的車體是由完全封閉的金屬車窗和面板組成，這樣一個(gè)封閉的車廂可以看作一個(gè)法拉第金屬小屋。其帶來(lái)的路徑損耗可達(dá)約20dB。

（2）列車移動(dòng)速度變化引起信道的快速變化

一般移動(dòng)通信系統(tǒng)中通信主體的移動(dòng)速度遠(yuǎn)遠(yuǎn)達(dá)不到高速移動(dòng)列車的運(yùn)行速度。隨著移動(dòng)主體速度的增加，導(dǎo)致接收信號(hào)的多普勒頻移增加，引起接收信號(hào)的快速衰落。在這種條件下，無(wú)線信道質(zhì)量急劇惡化，傳統(tǒng)的信道均衡技術(shù)，在這種快衰落信道下將很難實(shí)現(xiàn)信道的預(yù)測(cè)和均衡。而且列車由于進(jìn)站等因素引起的移動(dòng)速率極大變化導(dǎo)致無(wú)線信道的可用帶寬和越區(qū)切換時(shí)間間隔變化等，也帶來(lái)了切換、均衡、功率控制、信道估計(jì)等技術(shù)在高速移動(dòng)環(huán)境下應(yīng)用的挑戰(zhàn)。

（3）運(yùn)動(dòng)路線和運(yùn)行時(shí)間的可預(yù)測(cè)性

高速運(yùn)行列車一般按照相同路徑運(yùn)動(dòng)并在特定位置（車站）停止，運(yùn)動(dòng)時(shí)間也相對(duì)穩(wěn)定。針對(duì)這一特點(diǎn)，可以預(yù)測(cè)列車移動(dòng)網(wǎng)絡(luò)的信道基本特征，并可據(jù)此預(yù)先進(jìn)行策略設(shè)置。

（4）鐵路沿線無(wú)線信號(hào)可實(shí)現(xiàn)視距傳輸

高速鐵路沿線地形平坦，地面起伏較小，方便部署定向天線，實(shí)現(xiàn)視距接入。同時(shí)其周邊區(qū)域復(fù)雜多變，經(jīng)常通過(guò)平地、山區(qū)、隧道、路塹和深溝等不同的地形環(huán)境，各種無(wú)線信號(hào)的強(qiáng)度和覆蓋范圍變化較大，多徑傳輸問(wèn)題嚴(yán)重。因此，一般的公眾移動(dòng)通信網(wǎng)不適合于這種傳輸環(huán)境。

1.2 信道模型的改進(jìn)

目前，廣泛應(yīng)用的信道模型主要是瑞利衰落模型和萊斯衰落模型。而在高速移動(dòng)環(huán)境下，由于惡劣的周邊環(huán)境帶來(lái)多徑效應(yīng)以及列車快速移動(dòng)導(dǎo)致的多普勒頻移的影響，接收端收到的信號(hào)是直射波、反射波、散射波和繞射波等的疊加信號(hào)，而且不同場(chǎng)景所對(duì)應(yīng)的信道特性也不同。為更好地描述高速鐵路環(huán)境下的信道特性，引用COST207RA信道模型［9］，對(duì)其改進(jìn)后，得到改進(jìn)的COST207RA信道模型，見(jiàn)表1。改進(jìn)后的模型一共有7個(gè)子徑，原來(lái)的第1子徑被分成了2個(gè)子徑，分別為視距信道和瑞利信道［10］，根據(jù)COST207標(biāo)準(zhǔn)的規(guī)定，視距信道采用萊斯譜描述，其余6個(gè)子徑均采用經(jīng)典瑞利譜描述，功率也同時(shí)均分在第1、2條子徑上。

表1 改進(jìn)的COST207的RA信道模型參數(shù)

2 中導(dǎo)碼信道估計(jì)

在高速移動(dòng)環(huán)境下，由于周邊環(huán)境的復(fù)雜多變以及列車的高速行駛等，發(fā)送的數(shù)據(jù)信號(hào)在無(wú)線傳播時(shí)受多徑效應(yīng)、陰影衰落和空間傳播損耗等影響而產(chǎn)生衰減，使得數(shù)據(jù)信號(hào)的幅度、相位等發(fā)生改變。在接收端，為了恢復(fù)出原始的發(fā)送信號(hào)，需要利用信道估計(jì)技術(shù)估計(jì)出信道狀態(tài)信息。信道估計(jì)的精確度對(duì)于通信系統(tǒng)而言是至關(guān)重要的，主要取決于信道估計(jì)算法、通信環(huán)境和終端的移動(dòng)速度等因素［11］。

為論述中導(dǎo)碼信道估計(jì)方法，以IEEE802.11a為例，先說(shuō)明基于前導(dǎo)碼的信道估計(jì)方法CEOP（Channel Estimation On Preamble），此算法利用前導(dǎo)碼（Preamble）估計(jì)出Preamble位置處的信道狀態(tài)信息，再結(jié)合插值或?yàn)V波等計(jì)算出所有符號(hào)處的信道沖激響應(yīng)值。

CEOP的幀結(jié)構(gòu)見(jiàn)圖1，由前導(dǎo)碼、SIGNAL域和數(shù)據(jù)部分組成。圖1中，t1～t10代表10個(gè)短訓(xùn)練序列，T1、T2代表兩個(gè)長(zhǎng)訓(xùn)練序列，GI為保護(hù)間隔，DATA代表數(shù)據(jù)符號(hào)。

根據(jù)圖1的幀結(jié)構(gòu)可以得知，利用CEOP進(jìn)行信道估計(jì)的信道傳輸函數(shù)Hf可以表示為

式中：Hpre代表前導(dǎo)碼位置處的信道傳輸函數(shù)；Hd代表傳輸數(shù)據(jù)位置處的信道傳輸函數(shù)。

中導(dǎo)碼信道估計(jì)MACE（Midamble Aided Channel Estimation）是在CEOP基礎(chǔ)上的改進(jìn)，在原OFDM幀中，前導(dǎo)碼中的長(zhǎng)訓(xùn)練序列T1、T2用來(lái)進(jìn)行信道估計(jì)，將此訓(xùn)練序列進(jìn)行全部或部分復(fù)制作為中導(dǎo)碼，周期性地插入到數(shù)據(jù)符號(hào)中。插入的中導(dǎo)碼可以是長(zhǎng)碼，也可以為短碼，長(zhǎng)碼有兩個(gè)OFDM塊（8 μs）長(zhǎng)度，見(jiàn)圖2，短碼長(zhǎng)度為1個(gè)OFDM 塊（4μs），見(jiàn)圖3。

圖1 CEOP的幀結(jié)構(gòu)圖

圖2 長(zhǎng)碼結(jié)構(gòu)的MACE幀結(jié)構(gòu)

圖3 短碼結(jié)構(gòu)的MACE幀結(jié)構(gòu)

圖2和圖3中，Midamble表示被等間隔插入到數(shù)據(jù)符號(hào)中的中導(dǎo)碼，用于估計(jì)信道狀態(tài)值。因此，MACE的信道傳輸函數(shù)可以為

3 改進(jìn)的中導(dǎo)碼信道估計(jì)算法

本文信道估計(jì)技術(shù)應(yīng)用場(chǎng)景：在高速鐵路中，鐵路沿線每隔500～1 000m布置一個(gè)無(wú)線接入點(diǎn)AP（Access Point），每節(jié)車廂放置2～3個(gè)路由器［12］，以保證可靠地傳輸數(shù)據(jù)，車－地通信以及車內(nèi)通信均采用802.11a協(xié)議。

在高速移動(dòng)狀態(tài)下，無(wú)線移動(dòng)信道不但具有時(shí)間選擇性同時(shí)還具有頻率選擇性，信道的時(shí)域特性和頻域特性都處于變化當(dāng)中，簡(jiǎn)單的中導(dǎo)碼估計(jì)無(wú)法獲得信道的頻域變化量。為此，結(jié)合導(dǎo)頻估計(jì)，得到改進(jìn)的中導(dǎo)碼信道估計(jì)AMACE（Advanced Midamble Aided Channel Estimation）方法，將導(dǎo)頻估計(jì)、中導(dǎo)碼估計(jì)和Kalman濾波進(jìn)行有效結(jié)合，給出1種適用于高速鐵路環(huán)境下時(shí)域頻域相結(jié)合的信道估計(jì)算法，方案見(jiàn)圖4。

圖4 信道估計(jì)方案

圖4中，Hm為利用MACE得到的信道估計(jì)值，Hp為利用導(dǎo)頻子載波進(jìn)行估計(jì)的信道估計(jì)值，Hk表示由Hm和Hp通過(guò)Kalman濾波器后獲得的信道估計(jì)修正值。

3.1 利用導(dǎo)頻的估計(jì)

基于導(dǎo)頻的信道估計(jì)方法是改進(jìn)中導(dǎo)碼信道估計(jì)算法的基礎(chǔ)，而利用基于導(dǎo)頻的信道估計(jì)方法進(jìn)行信道估計(jì)時(shí)，主要步驟為：

Step1 根據(jù)移動(dòng)信道的特征，進(jìn)行導(dǎo)頻結(jié)構(gòu)的選擇。

Step2 導(dǎo)頻位置處信道狀態(tài)信息的獲取。

Step3 通過(guò)導(dǎo)頻位置處的信道狀態(tài)信息，估計(jì)所有符號(hào)處的信道狀態(tài)信息。

導(dǎo)頻的選取決定信道估計(jì)的精度和開(kāi)銷。在進(jìn)行導(dǎo)頻結(jié)構(gòu)選取時(shí)，主要考慮一方面是要確保信道估計(jì)的精度，提高系統(tǒng)的性能；另一方面要盡量降低系統(tǒng)的開(kāi)銷，提高資源的利用率。常用的導(dǎo)頻一般有塊狀、梳狀和網(wǎng)狀導(dǎo)頻3種。梳狀導(dǎo)頻符號(hào)在時(shí)間上是連續(xù)的，比較適用于快衰落信道。

在高速鐵路環(huán)境下，信道的狀態(tài)信息是時(shí)變的，即使相鄰的兩個(gè)OFDM符號(hào)的信道沖激響應(yīng)也會(huì)存在很大差異。Woong等針對(duì)3種導(dǎo)頻結(jié)構(gòu)進(jìn)行了比較［11］，仿真結(jié)果表明：在快速移動(dòng)環(huán)境下，利用梳狀導(dǎo)頻進(jìn)行信道估計(jì)要優(yōu)于其它兩種?；诖?，在高速鐵路環(huán)境下梳狀導(dǎo)頻結(jié)構(gòu)被選為導(dǎo)頻的插入方式。梳狀導(dǎo)頻結(jié)構(gòu)見(jiàn)圖5。其中，Plj表示導(dǎo)頻子載波lj位置處插入的導(dǎo)頻，其中j＝1，2，…，n，n為插入導(dǎo)頻的總個(gè)數(shù)，lj－lj－1＝d，d為兩個(gè)相鄰導(dǎo)頻之間的間隔。

圖5 梳狀導(dǎo)頻結(jié)構(gòu)

假設(shè)導(dǎo)頻為等間隔分布，利用導(dǎo)頻，可通過(guò)一階線性插值算法求出任意子載波處的信道估計(jì)值

式中分別為利用導(dǎo)頻子載波進(jìn)行信道估計(jì)得到第n個(gè)OFDM符號(hào)上第lj－1、lj、x 個(gè)子載波處的信道估計(jì)值；lj－1、lj為導(dǎo)頻子載波，lj－1＜x＜lj且lj－lj－1＝d；k1，k2都是常數(shù)且滿足0≤k1，k2≤1。

3.2 全部信道響應(yīng)值的獲取

根據(jù)Kalman濾波器的狀態(tài)方程和輸出方程，可以建立Kalman濾波方程

式中：H（i，k）表示第i個(gè)OFDM符號(hào)，第k個(gè)載波位置處的信道傳輸函數(shù)；Y（k）為H（i，k）的觀測(cè)值，即輸出值；A（i，k）為H（i－1，k）與 H（i，k）狀態(tài)變量轉(zhuǎn)移矩陣；C（i，k）為 H（i，k）與Y（i，k）之間的轉(zhuǎn)移矩陣；V（i，k）為狀態(tài)噪聲向量；W（i，k）為觀測(cè)噪聲向量。假設(shè)當(dāng)前狀態(tài)是i，則改進(jìn)的中導(dǎo)碼信道估計(jì)算法具體更新和迭代過(guò)程如下 ：

Step1 第i時(shí)刻第k個(gè)子載波上信道的狀態(tài)值估計(jì)值（i，k）為（i－1，k）經(jīng)過(guò)一個(gè)乘法器得到的值，即（i，k）＝?。╥，k（i－1，k），其中（i，k）為i時(shí)刻第k個(gè)子載波上的信道狀態(tài)估計(jì)值。

Step2 在忽略噪聲V（i，k），W（i，k）的影響時(shí)，上一時(shí)刻的信道狀態(tài)估計(jì)值（i－1，k）經(jīng)過(guò)兩個(gè)乘法器的作用而獲得信道狀態(tài)的輸出估計(jì)值（i，k），即（i，k）＝C（i，k）?。╥，k（i－1，k）。

Step3 用誤差e＝Y(jié)（i，k）－（i，k）修正信道的狀態(tài)值估計(jì)值（i，k），即（i，k）＝?。╥，k）（i－1，k）＋Kj［Y（i，k）－（i，k）］，進(jìn)而求出下一狀態(tài)的信道值估計(jì)值（i＋1，k）。其中Kj為Kalman濾波器的增益矩陣，（i－1，k）和（i，k）的初始值分別為Hm和Hp。

Step4 依次不斷迭代最后求出所有符號(hào)處的信道狀態(tài)估計(jì)值，完成信道估計(jì)。

由于中導(dǎo)碼的引入，可以把處于前導(dǎo)碼與中導(dǎo)碼、中導(dǎo)碼與中導(dǎo)碼之間的子載波信道狀態(tài)看成不變，所以C （i，k）等于單位矩陣I，于是式（4）可簡(jiǎn)化為

根據(jù)矢量Kalman濾波算法，可得到基于矢量Kalman濾波算法的信道估計(jì)過(guò)程：

預(yù)測(cè)矩陣為

最小預(yù)測(cè)MSE矩陣為

式中：M（i，k）為在第k個(gè)子載波i－1時(shí)刻的條件下，第k個(gè)子載波i時(shí)刻的最小預(yù)測(cè) MSE矩陣值；Q（i，k）為V （i，k）的協(xié)方差矩陣；P（i，k）為最小 MSE矩陣。

令

式中：R（i，k）為W（i，k）的協(xié)方差矩陣。

則Kalman增益矩陣為

式中：K（i，k）為Kalman濾波器在第k個(gè)子載波i時(shí)刻的增益矩陣值。

令

則修正矩陣為

最小MSE矩陣為

3.3 Kalman濾波器參數(shù)估計(jì)

在實(shí)際應(yīng)用中，系統(tǒng)參數(shù)?。╥，k）、Q（i，k）、R（i，k）以及Kalman濾波的初始值待定，下面說(shuō)明待定參數(shù)的估計(jì)。

（1）參數(shù)?。╥，k）的估計(jì)

由于狀態(tài)變量時(shí)刻變化，所以要對(duì)Α（i，k）進(jìn)行實(shí)時(shí)估計(jì)以降低估計(jì)誤差。?。╥，k）表示狀態(tài)變量轉(zhuǎn)移矩陣，假設(shè)各個(gè)子載波之間不相關(guān)，計(jì)算方法為式中：diag（）為對(duì)角矩陣；a（i，k）為對(duì)角矩陣對(duì)角線上的元素值；Hp（i，k）為第i時(shí)刻第k個(gè)子載波利用導(dǎo)頻子載波估計(jì)得到的信道狀態(tài)值。

（2）參數(shù)Q（i，k）的估計(jì)

Q（i，k）為V（i，k）的協(xié)方差矩陣，計(jì)算方法為

當(dāng)子載波之間不相關(guān)時(shí)

式中：σ2（v（i，k））為過(guò)程噪聲V（i，k）的方差

于是有

式中：a（i，k）可以由式（14）求得。

（3）參數(shù)R（i，k）的估計(jì)

R（i，k）為觀測(cè)噪聲向量＾W（i，k）的方差矩陣

當(dāng)子載波之間不相關(guān)時(shí)，R（i，k）為對(duì)角陣

式中：σ2（v（i，k））為觀測(cè)噪聲＾w（i，k）的方差。

（4）Kalman濾波初始值

信道的初始值為

4 仿真與分析

為評(píng)估所提算法進(jìn)行信道估計(jì)的誤符號(hào)率SER性能，在COST 207RA信道模型下進(jìn)行了Matlab仿真分析。設(shè)定系統(tǒng)工作頻率f＝5GHz，系統(tǒng)帶寬B＝20MHz，數(shù)據(jù)子載波數(shù)N＝48，導(dǎo)頻子載波數(shù)Np＝4。OFDM數(shù)據(jù)符號(hào)長(zhǎng)度T＝4μs，其中數(shù)據(jù)符號(hào)長(zhǎng)度Td＝3.2μs，循環(huán)前綴長(zhǎng)度TGI＝0.8μs，長(zhǎng)訓(xùn)練序列符號(hào)長(zhǎng)度為8μs。采用Gray編碼的矩形16QAM調(diào)制方式，數(shù)據(jù)符號(hào)數(shù)量為106個(gè)，每個(gè)OFDM幀包含200個(gè)數(shù)據(jù)符號(hào)。假設(shè)16QAM符號(hào)能量與中導(dǎo)碼符號(hào)能量相等，系統(tǒng)同步已完成，并且頻偏值為0。COST 207RA信道模型由抽頭延遲線TDL（Tapped Delay Line）模型和過(guò)濾后的高斯白噪聲FWGN（Filtered White Gaussian Noise）模型產(chǎn)生，采樣周期Tsam＝0.1μs，信道衰落功率歸一化為1。中導(dǎo)碼采用兩種插入間隔：短間隔SI（Short Interval）和長(zhǎng)間隔LI（Long Interval）。SI每間隔10個(gè)數(shù)據(jù)符號(hào)插入1個(gè)Midamble，LI是每間隔20個(gè)數(shù)據(jù)符號(hào)插入1個(gè)Midamble。

圖6（a）為每間隔10個(gè)數(shù)據(jù)符號(hào)插入1個(gè)中導(dǎo)碼，即短間隔插入，調(diào)制方式為16QAM，移動(dòng)速率為200km／h的條件下，誤符號(hào)率SER 與信噪比SNR之間的曲線關(guān)系圖；圖6（b）是在與圖6（a）相同條件下，采用長(zhǎng)間隔LI方式插入中導(dǎo)碼后SER與SNR的關(guān)系曲線。

圖6 SER與SNR之間的曲線關(guān)系圖

圖6（c）是短間隔插入，調(diào)制方式為16QAM，移動(dòng)速率為300km／h的條件下，SER與SNR之間的曲線關(guān)系圖。圖6（d）是在與圖6（c）相同條件下，采用長(zhǎng)間隔LI方式插入中導(dǎo)碼后SER與SNR的關(guān)系曲線。從圖6（a）、圖6（d）中可以看出，在同條件下，AMACE方式比CEOP方式有更好的估計(jì)性能。在SNR＞10dB時(shí)，AMACE方法比MACE方法有較好的信道估計(jì)性能，但隨著SNR的進(jìn)一步增大，這種優(yōu)勢(shì)不斷減弱。隨著移動(dòng)速度的提高，比較AMACE與MACE，可以看出：以短間隔插入中導(dǎo)碼比長(zhǎng)間隔插入有更好的信道估計(jì)性能，但當(dāng)SNR＞30dB后，AMACE相對(duì)MACE而言，沒(méi)有明顯優(yōu)勢(shì)。

為了進(jìn)一步分析插入中導(dǎo)碼后系統(tǒng)的性能，引入中導(dǎo)碼插入比參數(shù)k

圖7是調(diào)制方式為16QAM，移動(dòng)速率為200km／h時(shí)，采用MACE方式，不同中導(dǎo)碼插入比為k時(shí)，SER與SNR之間的曲線關(guān)系。從圖7可見(jiàn)，當(dāng)k越小，同條件下，SER越低，其估計(jì)性能越好，插入的中導(dǎo)碼數(shù)越多，傳輸效率越低。要兼顧估計(jì)性能和傳輸效率，需要尋找合適的插入比。

圖7 插入比變化時(shí)SER與SNR之間的關(guān)系（16QAM，200km/h）

為此，在不同的移動(dòng)速率下，對(duì)采用不同插入比的中導(dǎo)碼，分別仿真其信道估計(jì)性能。圖8為調(diào)制方式為16QAM，SNR ＝20dB，SER ＝10－2時(shí)，采 用MACE方式，中導(dǎo)碼插入比k與移動(dòng)速率的關(guān)系。從圖8可見(jiàn)，當(dāng)移動(dòng)速率為200km／h時(shí)，k＝20。但要獲得理想的估計(jì)性能，要適當(dāng)減少k值。

圖8 移動(dòng)速率與中導(dǎo)碼插入比之間的關(guān)系（16QAM，SNR=20dB，SER=10-2）

5 結(jié)束語(yǔ)

為解決高速移動(dòng)環(huán)境下時(shí)變信道的估計(jì)問(wèn)題，本文提出插入中導(dǎo)碼的信道估計(jì)方法。仿真結(jié)果表明，中導(dǎo)碼的引入，使得信道估計(jì)性能比利用前導(dǎo)碼估計(jì)的要更具優(yōu)勢(shì)。為進(jìn)一步提升估計(jì)性能，結(jié)合時(shí)域和頻域估計(jì)，提出了Kalman濾波算法，把中導(dǎo)碼和導(dǎo)頻估計(jì)值進(jìn)行濾波，得到精確度更高的信道估計(jì)值。仿真表明，Kalman濾波提高了估計(jì)精度，更適用于高速移動(dòng)環(huán)境下的信道估計(jì)。但隨著移動(dòng)速度的增加，要維持一定的估計(jì)精度，中導(dǎo)碼的插入間隔將變短，將導(dǎo)致數(shù)據(jù)傳輸效率的降低。如何讓系統(tǒng)自適應(yīng)選擇中導(dǎo)碼插入比，兼顧估計(jì)精度和傳輸效率，是下一步研究的重點(diǎn)。

參考文獻(xiàn)：

［1］HEATH R W，GIANNAKIS G B.Exploiting Input Cyclostationarity for Blind Channel Identification in OFDM Systems［J］.IEEE Transsction on Signal Processing，1999，47（3）：848－856.

［2］朱文升，李有明，俞建定，等.基于循環(huán)平穩(wěn)特性的OFDM盲信道估計(jì)算法［J］.寧波大學(xué)學(xué)報(bào)：理工版，2010，23（4）：62－66.ZHU Wensheng，LI Youming，YU Jianding，et al.Cyclostationarity－based Blind Channel Estimation Algorithm for OFDM System［J］.Journal of Ningbo University：Science and Technology Edition，2010，23（4）：62－66.

［3］李永會(huì)，張其善，李道本，等.一種適用于高數(shù)據(jù)速率和高速移動(dòng)環(huán)境的新型信道估計(jì)方法——雙正交通道信道估計(jì)方法［J］.電子學(xué)報(bào)，2002，30（4）：467－470.LI Yonghui，ZHANG Qishan，Li Daoben，et al.Novel Channel Estimation Method Applied to High Data Rate and High Speed Mobile Communications－channel Estimation by Using Two Orthogonal Channels［J］.Acta Electronica Sinica，2002，30（4）：467－470.

［4］MYUNG S B，YOUNG H Y，HYOUNG K S.Semi－blind Channel Estimation and PAR Reduction for MIMO－OFDM System with Multiple Antennas［J］.IEEE Transaction on Broadcasting，2004，50（4）：414－424.

［5］KOIKE A T，MOLISCH A F，DUAN C J，et al.Capacity，MSE and Secrecy Analysis of Linear Block Precoding for Distributed Antenna Systems in Multi－user Frequency Selective Fading Channels［J］.IEEE Transsactions on Communications，2011，59（3）：888－900.

［6］SU B.Blind Channel Estimation Using Redundant Precoding：New Algorithms，Analysis and Theory［D］.California：Institute of Technology Pasadena，2008.

［7］ZHAO W X，F(xiàn)ANG F.A Diverse Proof of OFDM Channel Estimation Comparing CP－sequences and Training－sequences Methods Under LS Frame［C］／／Proceedings of IEEE International Conference on Information Theory and Artificial Intelligence Computing.New York：IEEE，2011.

［8］趙旺興，萬(wàn)群，陳章鑫.基于OFDM循環(huán)前綴LS信道估計(jì)的構(gòu)造方法［J］.通信學(xué)報(bào)，2013，34（3）：175－182.ZHAO Wangxing，WAN Qun，CHEN Zhangxin.Novel Restructuring Method for CP－based LS Channel Estimation in OFDM System［J］.Journal on Communications，2013，34（3）：175－182.

［9］HUISH P W.A Review of the Radio Propagation Work Undertaken Under the COST 207Programme［C］／／Proceedings of IEE International Colloquium on Propagation Factors and Interference Modelling for Mobile Radio Systems.London：IEE，1988：1－4.

［10］施榮華，蔣澤艷，彭春華，等.一種時(shí)頻結(jié)合的中導(dǎo)碼信道估計(jì)算法［J］.計(jì)算機(jī)應(yīng)用研究，2013，30（6）：1 794－1 797.SHI Ronghua，JIANG Zeyan，Peng Chunhua，et al.Timefrequency Combination Channel Estimation Algorithm Based on Midamble［J］.Application Research of Computers，2013，30（6）：1 794－1 797.

［11］WOONG C，SANG I K，HYUN K C，et al.Performance Evaluation of V2V／V2ICommunications：the Effect of Midamble Insertion［C］／／Proceedings of 1stInternational Conference on Wireless Communication，Vehicular Technology，Information Theory ＆ Aerospace Electronic Systems Technology（Wireless VITAE）.New York：IEEE，2009：793－797.

［12］彭春華，蔣新華.高速移動(dòng)環(huán)境下提高WLAN有效吞吐量方法的研究［J］.鐵道學(xué)報(bào)，2012，34（1）：54－59.PENG Chunhua，JIANG Xinhua.Research on Improving the Effective Through Put of WLAN in High－speed Mobile Environment［J］.Journal of the China Railway Society，2012，34（1）：54－59.